可拓蚁群算法
摘要 | 第1-6页 |
Abstract | 第6-9页 |
第1章 绪论 | 第9-15页 |
·蚁群行为描述 | 第9页 |
·蚁群算法的产生及发展 | 第9-10页 |
·蚁群算法的应用 | 第10-12页 |
·在动态组合优化中的使用 | 第11页 |
·在静态组合优化中的使用 | 第11-12页 |
·可拓学简介 | 第12-13页 |
·课题研究的意义 | 第13-14页 |
·本文的结构安排 | 第14-15页 |
第2章 蚁群算法基本原理 | 第15-25页 |
·蚁群算法原理 | 第15-16页 |
·蚂蚁系统 | 第16-20页 |
·蚁群系统 | 第20-22页 |
·蚁群优化 | 第22-23页 |
·蚁群算法的复杂度分析 | 第23-25页 |
第3章 改进的蚁群算法 | 第25-35页 |
·带精英策略的蚂蚁系统 | 第25-26页 |
·基于优化排序的蚂蚁系统 | 第26-27页 |
·最大最小蚂蚁系统 | 第27-28页 |
·蚁群算法与遗传算法的融合 | 第28-30页 |
·蚁群算法与免疫算法的融合 | 第30-32页 |
·蚁群算法与人工神经网络的融合 | 第32-35页 |
第4章 可拓蚁群算法 | 第35-49页 |
·可拓蚁群算法初始描述 | 第35-37页 |
·可拓信息元对蚁群算法的描述 | 第35-36页 |
·对下一个节点的选择 | 第36-37页 |
·局部信息素更新规则 | 第37-41页 |
·变换 | 第37-38页 |
·计算关联函数 | 第38-40页 |
·信息素的更新 | 第40-41页 |
·全局信息素更新 | 第41-42页 |
·算法的实现过程 | 第42-43页 |
·算法流程图 | 第43-45页 |
·算例分析 | 第45-47页 |
·仿真算例 | 第47-49页 |
结论 | 第49-51页 |
参考文献 | 第51-54页 |
致谢 | 第54-55页 |
研究生履历 | 第55页 |